文献

J-GLOBAL ID：202202259799521775   整理番号：22A0630251

DIFFnet:入力拡散勾配スキームとb値のための拡散パラメータマッピングネットワーク【JST・京大機械翻訳】

DIFFnet: Diffusion Parameter Mapping Network Generalized for Input Diffusion Gradient Schemes and b-Value

著者 (8件)： Park Juhyung (Department of Electrical and Computer Engineering, Seoul National University, Seoul, Republic of Korea) ,  Jung Woojin (Department of Electrical and Computer Engineering, Seoul National University, Seoul, Republic of Korea) ,  Choi Eun-Jung (Department of Electrical and Computer Engineering, Seoul National University, Seoul, Republic of Korea) ,  Oh Se-Hong (Department of Biomedical Engineering, Hankuk University of Foreign Studies, Yongin, Gyeonggi-do, Republic of Korea) ,  Jang Jinhee (Department of Radiology, Seoul St. Mary’s Hospital, College of Medicine, The Catholic University of Korea, Seoul, Republic of Korea) ,  Shin Dongmyung (Department of Electrical and Computer Engineering, Seoul National University, Seoul, Republic of Korea) ,  An Hongjun (Department of Electrical and Computer Engineering, Seoul National University, Seoul, Republic of Korea) ,  Lee Jongho (Department of Electrical and Computer Engineering, Seoul National University, Seoul, Republic of Korea)
資料名： IEEE Transactions on Medical Imaging  (IEEE Transactions on Medical Imaging)
巻： 41  号： 2  ページ： 491-499  発行年： 2022年 
JST資料番号： H0895A  ISSN： 0278-0062  CODEN： ITMID4  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： MRIでは,拡散モデルパラメータを再構成するために深層ニューラルネットワークが提案されている。しかし,ネットワークの入力は,特定の拡散勾配スキーム(即ち,拡散勾配方向と数)と訓練データと同一である特定のb値のために設計された。本研究では,DIFFnetと呼ばれる新しい深層ニューラルネットワークを開発し,様々な勾配方式とb値に対する拡散加重信号の一般化再構成ツールとして機能する。一般化のために,拡散信号をq空間で正規化し,次に投影し量子化し,ネットワークに対する入力として行列(Q行列)を生成した。このアプローチの有効性を実証するために,DIFFnetを拡散テンソルイメージング(DIFFnet_DTI)および神経突起配向分散および密度イメージング(DIFFnet_NODDI)に対して評価した。各モデルにおいて,異なる勾配方式とb値を有する2つのデータセットをテストした。結果は,実質的に減少した処理時間(DTIとNODDIでの従来法よりも約8.7倍と2240倍速い処理時間)での拡散パラメータの正確な再構成を示し,DTIで4%以下の平均正規化平方根平均二乗誤差(NRMSE)とNODDIで8%以下であった。ネットワークの一般化能力を,データセットからの拡散信号の縮小数およびヒト結合プロジェクトからの公開データセットを用いてさらに検証した。以前に提案された深層ニューラルネットワークと異なり,DIFFnetは,その入力に対して任意の特定の勾配方式とb値を必要としない。その結果,様々な複雑な拡散イメージングのためのオンライン再構成ツールとして採用できる。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *拡散 ,  量子化 ,  加工時間 ,  *ネットワーク ,  軸索 ,  ヒト ,  画像処理 ,  正規化
準シソーラス用語： 神経突起 ,  拡散MRI ,  訓練データ ,  平均二乗誤差 ,  モデルパラメータ ,  拡散テンソル画像 ,  オンライン ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (4件)： 拡散 ,  勾配 ,  スキーム ,  b値